基于气候区划的天麻质量特征解析及FTIR光谱可解释判别模型研究

《Journal of Food Composition and Analysis》：Analysis of the quality characteristics of Gastrodia elata across different climatic zones and a study on FTIR spectral identification models

　　

原文未提供独立摘要；依据标题、亮点与结论，摘要性译述如下：本研究围绕不同气候区天麻（Gastrodia elata）的质量特征，以气候区替代行政单元，比较总多糖（total polysaccharides）、总多酚（total polyphenols）和总黄酮（total flavonoids）含量及傅里叶变换红外光谱（Fourier-transform infrared spectroscopy, FTIR）特征，并构建基于FTIR的气候区判别模型。研究人员采用Savitzky-Golay（SG）平滑、多元散射校正（multiplicative scatter correction, MSC）、标准正态变量（standard normal variate, SNV）、一阶及二阶导数等预处理，结合主成分分析（principal component analysis, PCA）、t分布随机邻域嵌入（t-distributed stochastic neighbor embedding, t-SNE）、偏最小二乘判别分析（partial least squares discriminant analysis, PLS-DA）、支持向量机（support vector machine, SVM）、卷积神经网络-双向门控循环单元（convolutional neural network–bidirectional gated recurrent unit, CNN-BiGRU）和极端梯度提升（extreme gradient boosting, XGBoost）进行建模，并利用Shapley加性解释（Shapley additive explanations, SHAP）增强XGBoost模型可解释性。结果表明，不同气候区天麻活性成分含量存在差异，最优PLS-DA、SVM、XGBoost和CNN-BiGRU模型的测试集准确率分别达到90.77%、98.46%、92.86%和92.31%；XGBoost-SHAP识别出867.81 cm^?1等关键贡献波数，该波数与天麻酚苷类成分的芳香环结构有关。研究揭示不同气候区天麻质量变异规律，为优质天麻跨区域栽培及气候变化情景下质量预测提供理论依据和技术支持。

本研究由Lijun Cheng、Honggao Liu和Yonghe Li开展，聚焦不同气候区天麻（Gastrodia elata）的质量特征及其FTIR光谱判别。天麻兼具药用与食用价值，含酚类、有机酸和糖类等成分，具有镇静、降压等药理活性。植物在气候胁迫下会发生次生代谢适应，气候、土壤等生态因子直接影响药材品质；既有研究多按行政区划分分析天麻地理变异和产地溯源，忽略了气候作为自然空间变量的连续性与空间异质性，难以揭示宏观质量变异规律。为此，研究人员以气候区替代行政单元，比较不同气候区天麻总多糖（total polysaccharides）、总多酚（total polyphenols）和总黄酮（total flavonoids）含量及傅里叶变换红外光谱（Fourier-transform infrared spectroscopy, FTIR）特征，构建气候区判别模型，以期为优质天麻适气候区栽培和气候变化下质量预测提供依据。

关键技术方法（不超过250字）：研究人员于2024—2025年采集中国各天麻栽培区鲜成熟、无病虫害天麻样品，清洗切片后60°C烘干至恒重，粉碎过100目筛并室温密封；按气候类型分为高原温带（GYWD；原文方法2.1.1处记为GYWS）、北亚热带（BYRD）、暖温带（NWD）和中亚热带（ZYRD）。采用可见分光光度法测定总多糖、总多酚和总黄酮；以衰减全反射（attenuated total reflection, ATR）FTIR采集4000—400 cm^?1光谱，分辨率8 cm^?1、64次扫描，每样3次平均；比较SG、MSC、SNV、一阶和二阶导数预处理，采用PCA、t-SNE、PLS-DA、SVM、CNN-BiGRU和XGBoost建模，7折交叉验证并以SHAP解释XGBoost。

3.1 活性成分分析结果（Results of active component analysis）：不同气候区天麻多糖含量总体差异较小，仅BYRD与GYWD间差异显著（p<0.05），GYWD最高、BYRD最低；总多酚含量差异显著，BYRD最高、NWD最低（p<0.001）；总黄酮含量在BYRD与GYWD间差异极显著（p<0.01）、BYRD与ZYRD间差异显著（p<0.05），NWD最高、GYWD最低。结果表明气候区显著影响天麻化学成分积累，进而影响药材品质。

3.2 FTIR光谱分析结果（FTIR spectral analysis results）：不同气候区天麻FTIR谱具有特征性且部分峰重叠，主峰位于3286.59、2924.59、1617.23、1338.20、1147.70、1001.65、867.81、571.68和521.05 cm^?1，分别可归属O-H/N-H伸缩、C-H伸缩、芳香环C=C及酰胺C=O/N-H、C-H弯曲、C-O伸缩、糖类C-O、对二取代苯C-H面外弯曲、芳香C-H/O-H弯曲及反式HCCH结构C-H弯曲等，反映多糖、酚类、苯丙素、萜类、脂肪酸、氨基酸和肽等成分。不同气候区光谱存在差异但重叠明显，预处理虽可去噪、校正基线漂移和散射，特征峰差异仍不够清晰，需进一步机器学习分析。

3.3 机器学习分类模型结果（Results of machine learning classification models）
3.3.1 探索性分析结果（Results of the exploratory analysis）：PCA显示四类气候区样品在主成分空间交错，95%置信椭圆明显重叠，线性降维难以提取判别信息；t-SNE判别力优于PCA，不同气候区样品重叠减少，GYWD样品在原始及一阶、MSC、SNV、SG等处理下呈明显聚类。
3.3.2 机器学习分类预测结果（Machine learning classification prediction results）：PLS-DA经预处理后性能提升，二阶导数最佳，R²=0.780、Q²=0.598，训练集和测试集准确率98.47%和90.77%，精确率、召回率和F1分别为0.9096、0.9063和0.9046，GYWD样品全部正确分类，200次置换检验未见显著过拟合；SVM以二阶导数最佳，训练集和测试集准确率91.90%和98.46%，精确率、召回率和F1分别为0.9850、0.9844和0.9846，仅少数样品误分；CNN-BiGRU以一阶导数最佳，训练集和测试集准确率100.00%和92.31%，精确率、召回率和F1分别为0.9218、0.9219和0.9216，GYWD样品全部分类正确，误分主要发生于BYRD、NWD和ZYRD，训练与测试差距提示一定过拟合风险；XGBoost以二阶导数最佳，测试集准确率92.86%，精确率、召回率和F1分别为0.9278、0.9279和0.9276，AUC为0.9863，SHAP分析显示前五位贡献波数为867.81、1470.46、1139.72、866.846和1002.8 cm^?1，其中867.81 cm^?1贡献约18%，主要归属对二取代苯、对羟基苯甲醇和对羟基苯甲醛中C-H面外弯曲振动，并与天麻酚苷类（如天麻素和巴利森苷类）芳香环结构相关，提示酚苷类可能是区分不同气候区的关键化学基础。

讨论总结：研究人员系统比较不同气候区天麻总多糖、总多酚和总黄酮含量，并以FTIR结合多种预处理及分类模型识别气候区。活性成分差异为光谱差异和机器学习分类提供化学基础；预处理显著影响模型性能，二阶导数在PLS-DA、SVM和XGBoost中最佳，一阶导数在CNN-BiGRU中最佳，SG平滑使CNN-BiGRU性能明显下降，提示深度学习对输入数据质量要求较高。尽管最优模型准确率较高，误分类仍难完全避免，可能源于样品固有差异导致类间边界模糊、仪器噪声和测量误差使个别样品偏离类分布、样本量不足限制模型学习真实类分布，以及小样本下交叉验证数据划分波动。相较既往研究，本研究按气候条件分析天麻并同时测定三类活性成分，建立可解释XGBoost模型量化特征波数贡献，识别867.81 cm^?1等关键判别波数，克服传统黑箱模型局限。

研究结论翻译：本研究测定了不同气候区天麻总多糖、总多酚和总黄酮含量，将FTIR光谱与多种预处理方法和分类模型结合以识别气候类型，并引入SHAP方法增强模型可解释性。结果表明，不同气候区天麻活性成分含量存在差异：GYWD地区多糖含量较高，BYRD地区总多酚含量较高，NWD地区总黄酮含量较高。二阶预处理在PLS-DA、SVM和XGBoost模型中表现最佳，最优PLS-DA、SVM和XGBoost模型测试集准确率分别为90.77%、98.46%和92.86%；采用一阶预处理FTIR光谱训练的CNN-BiGRU模型表现最佳，测试集准确率为92.31%。对于XGBoost模型，SHAP分析识别出贡献最大的前五个特征波数为867.81、1470.46、1139.72、866.85和1002.8 cm^?1，其中867.81 cm^?1对模型分类性能贡献最大；该特征波数主要归因于天麻中酚苷类（如天麻素及其衍生物）C-H键面外弯曲振动。总之，本研究揭示不同气候区天麻多糖、总多酚和总黄酮含量的化学差异规律，建立基于FTIR光谱的高精度、可解释机器学习分类方法，为不同气候区天麻快速分类和质量评价提供理论依据和技术支持。研究仍存在样本量有限、机器学习方法相对传统、化学评价指标不完整等局限；未来应扩大样品采集范围和规模以验证模型稳定性与泛化性，整合高效液相色谱-串联质谱（high-performance liquid chromatography-tandem mass spectrometry, HPLC-MS/MS）对关键特征波数对应化学成分进行准确定性和定量分析，建立光谱-化学关联模型，并引入注意力机制和Transformer等架构优化和发展更高精度的深度学习模型。